در این مقاله، عمق اپتیکی هواویز اندازه­گیری شده با سنجنده‌های کالیوپ، مادیس، میزر و امی  با داده‌های شیدسنج خورشیدی مستقر در دانشگاه تحصیلات تکمیلی زنجان، از دسامبر سال 2009 تا دسامبر سال 2013 مقایسه و صحت‌سنجی شده است. رگرسیون خطی، میانگین مربعات خطا و میانگین خطای مطلق بین اندازه­گیری­های سنجنده­های فضابرد و سنجنده زمین­پایه محاسبه شده است. همچنین تخمین رو به بالا و تخمین رو به پایین تعیین شد. نتایج نشان می­دهند که سنجنده کالیوپ و میزر به ترتیب بیشترین همبستگی (61/0 و 54/0) را با اندازه‌گیری‌های زمین‌پایه بر فراز منطقه زنجان دارد. سنجنده­های میزر، کالیوپ و امی به ترتیب نزدیکترین داده­های عمق اپتیکی را نسبت به اندازه­گیری­های شیدسنج خورشیدی (شیب خط برازش شده به ترتیب برابر 68/0، 61/0 و 59/0) دارند که نشان دهنده مدل مناسب استفاده شده در سنجنده­ها برای استخراج عمق اپتیکی هواویزها است. همچنین کمترین عرض از مبداء خط برازش شده مربوط به داده­های سنجنده مادیس است. میانگین عمق اپتیکی هواویزهای اندازه­گیری شده با سنجنده­های فضابرد و سنجنده زمین پایه نشان می­دهد که سنجنده­های مادیس و کالیوپ دارای تخمین رو به پایین (به ترتیب 32/0 و 83/0) و سنجنده­های امی و میزر دارای تخمین روبه بالا (به ترتیب 23/1 و 08/1) نسبت به شیدسنج خورشیدی دارند. 

مطالعه و اندازه­ گیری سطوح برف به­ عنوان یکی از منابع مهم تأمین آب، بسیار حائز اهمیت است. با توجه به شرایط سخت فیزیکی محیط­ های کوهستانی، امکان اندازه­ گیری برف وجود ندارد. استفاده از سنجش­ ازدور با توجه به هزینه کم، به­روز بودن و پوشش وسیع می­ تواند در شناسایی مناطق برف­گیر روش مناسبی باشد. هدف اصلی این پژوهش تخمین سطح پوشش برف کوهستان سبلان با استفاده از تصاویر ماهواره­ای سنجنده­های OLI و TIRS و به­ وسیله روش طبقه­ بندی شیءگرا می ­باشد. طبقه­ بندی تصاویر رقومی ماهواره­ ای یکی از مهم­ترین روش ­ها برای استخراج اطلاعات کاربردی محسوب می­شود که در حال حاضر با دو روش پردازش پیکسل­ پایه و شیءگرا انجام می ­گیرد. روش پیکسل ­پایه که مبتنی بر طبقه­ بندی ارزش­های عددی تصاویر است، و روش جدید شیءگرا که علاوه بر ارزش­ های عددی، اطلاعات مربوط به محتوا، بافت و زمینه را نیز در فرآیند طبقه ­بندی تصاویر به­کار می­گیرد. لذا در تحقیق حاضر بنا به دقت بالای طبقه­بندی شیءگرا، برای استخراج سطح پوشش برفی از روش­های شیءگرا استفاده شد. در این پژوهش، به ­دلیل استفاده از داده ­های با قدرت تفکیک مکانی بالا (30 متر) و روش نوین طبقه ­بندی تصاویر، سطح برف به ­وسیله شاخص نرمال­شده تفاوت برفی (NDSI)، شاخص نرمال­شده تفاوت پوشش گیاهی (NDVI)، دمای سطح زمین (LST) و ضریب روشنایی (Brightness) با دقت کلی 91 درصد، به­ میزان 62/2142 کیلومترمربع برای محدوده کوهستانی سبلان استخراج گردید که از نتایج آن می­ توان به­ عنوان جایگزین ایستگاه ­های برف­ سنجی استفاده کرد.

آگاهی از وضعیت پوشش گیاهی، تغییرات کاربری اراضی و دمای سطح زمین در هر منطقه و روند تغییرات زمانی و مکانی آن‌ها در طول زمان برای برنامه‌ریزی‌های خرد و کلان از اهمیت زیادی برخورداراست. جهت استفاده بهینه از زمین، آگاهی از تغییرات کاربری اراضی ضروری می باشد که این امر معمولا با آشکارسازی و پیش‌بینی تغییرات کاربری اراضی امکان‌پذیر می‌گردد. سنجش‌ازدور نقش بسیار مهمی در مطالعات منابع طبیعی بخصوص پوشش گیاهی، دمای سطح و تغییرات کاربری در هر مکان و همچنین داشتن قابلیت در دسترس بودن  اطلاعات برای زمان‌های مختلف تکنیک‌های ارزشمندی را برای مطالعات و محققین فراهم کرده است.در این پژوهش به‌منظور بررسی روند تغییرات کاربری اراضی، پوشش گیاهی، دمای سطح زمین و مخاطرات ناشی از آن ها در سری زمان‌های چندساله از تصاویر سنجنده  ETM و OLI استفاده گردید. نتایج به‌دست‌آمده نشان می دهد که تغییرات مساحت کاربری‌ها در بازه زمانی ۲۰۰۰ تا ۲۰۱۰ مساحت کاربری‌های محدوده ساخته‌شده، کشاورزی و باغات افزایش‌یافته و مساحت اراضی بایر و مراتع کاهش پیداکرده است. پوشش گیاهی مصنوعی درمجموع روند افزایش داشته و زمین‌های مرتعی روند کاهشی را نشان می دهد. با توجه به اهمیت پوشش گیاهی و نقش آن در تعدیل دمای سطح زمین، در مناطق با پوشش گیاهی فشرده و غنی  دما روند کاهشی داشته است همچنین در بازه ی زمانی ۲۰۱۰ تا ۲۰۱۷ بار دیگر بر محدوده ی ساخته شده افزوده شده و رشد شهر بصورت پراکنده ادامه یافته است که باعث تغییرات محیطی و افزایش دما در شهر شده است. تغییر در افزایش محدوده ی ساخته شده ی شهر باعث افزایش مخاطرات محیطی از جمله از بین رفتن زمین های کشاورزی مرغوب و همچنین افزایش روند دمایی در شهر شده است .با توجه به اینکه اکثر زمین های کشاورزی  در محدوده اطراف شهر زیر کشت زعفران است که در فصول گرم سال نیز فاقد پوشش سطحی است لذا تغییرات  در نوع کشت  نیز می تواند بر دمای سطح زمین تاثیر بسزایی داشته باشد.

تحقیق حاضر، با هدف ارائه شاخص دورسنجی کیفیت آب به کمک فناوری سنجش از دور صورت گرفته است. در این پژوهش ابتدا با توجه به شرایط منطقه، مطالعه منابع علمی و دسترسی به داده­های ماهواره­ای پارامتر­های فلزات­سنگین، یون­های محلول، دمای آب، کلروفیلa و pH انتخاب شد. سپس توسط بررسی منابع و مقایسه بین عملکرد سنجنده­های مختلف، محصول کد 02 و 09 سنجنده مودیس و تصاویر سطح دوم یک­کیلومتر کلروفیل aو دمای آب سنجنده مودیس تهیه و آماده­سازی شد. همچنین اطلاعات میدانی آبهای بندرعسلویه همزمان با تصویربرداری ماهواره آکوا و ترا، در ماه اوت سال 2014 تهیه گردید. سپس رابطه میان مقادیر اندازه­گیری شده و مقادیر بازتابش تصاویر ماهواره­ای، به­صورت مدلهای خطی بررسی شد و ضریب تعیین بین 59/0 تا 94/0 از مدلها به دست آمد. در­ادامه تصاویر سنجنده مودیس بین سالهای 2015 تا 2017 تهیه و مدلهای به­­دست آمده بر روی آنها اعمال گردید. سپس لایه­ ها برای بیان میزان مطلوبیت هر ناحیه با استفاده از منطق فازی استانداردسازی شد. همچنین سری­های زمانی داده­های دمای آب از سال 2003 تا 2017 تهیه و برای هر­ماه مقادیر میانگین پیکسلی محاسبه شد و برهمان اساس تغییرات این پارامتر استانداردسازی شد. در نهایت شاخصی کارآمد جهت بررسی کیفیت آبهای ساحلی به کمک سری­های زمانی داده­های دورسنجی ارائه گردید و آبهای بندرعسلویه پهنه­بندی شد. نتایج نشان داد کیفیت آب از سالهای 2015 تا 2017 از وضعیت ضعیف به وضعیت بسیار­ضعیف تغییر پیدا کرده­ است. براساس نتایج این پژوهش با توسعه شاخص پیشنهادی در مطالعات آتی بررسی مداوم پایش زیست­محیطی امکان­پذیر خواهد بود.

یکی از مهم­ترین مشکلات شهرهای بزرگ آلودگی هوا است که می­تواند برای سلامت انسان­ها و محیط ­زیست زیان­آور باشد. اصفهان نیز یکی از شهر­های آلوده ایران است. موقعیت جغرافیایی آن، سرعت کم باد­، فعالیت­های صنعتی، حمل ­و نقل، کشاورزی و دیگر فعالیت­های انسانی شرایط بحرانی آلودگی هوا را برای این شهر ایجاد کرده است. دی­اکسید نیتروژن، یکی از آلاینده­های مهم آلودگی هوا است که با استفاده از ایستگاه­های زمینی و اندازه­گیری­های ماهواره­ای پایش می­شود. در این مقاله از داده‌های روزانه دی­اکسید نیتروژن سنجنده اُمی، باد و دمای سطحی ایستگاه هواشناسی اصفهان بین بازه زمانی اکتبر 2004 تا می 2016 استفاده شده است. مقدار میانگین دی­اکسید نیتروژن در بازه اندازه­گیری شده 10¹⁵ 43/6 مولکول بر سانتی‌متر مربع می­باشد. بیشترین مقدار دی­اکسید نیتروژن 10¹⁵ 78/14 مولکول بر سانتی‌متر مربع در دسامبر و کمترین مقدار آن 10¹⁵ 93/6 مولکول بر سانتی‌متر مربع در جولای مشاهده شد. انحراف معیار فصل زمستان، 10¹⁵ 97/5 مولکول بر سانتی‌متر مربع، بیشتر از فصل تابستان، 10¹⁵ 66/1 مولکول بر سانتی‌متر مربع است. ضریب همبستگی دی­اکسید نیتروژن با باد و دما به ترتیب برابر41/0- و 54/0-  آمد که نشان دهنده اهمیت بیشتر دما در تغییرات دی­اکسید نیتروژن می­باشد. پس از تشکیل سری زمانی میانگین ماهانه دی‌اکسید نیتروژن با استفاده از آنالیز طیفی کمترین مربعات دوره‌های تناوب معنی‌دار شناخته شدند. این دوره‌های تناوب معنی‌دار از سری زمانی حذف شده و با برازش خطی بر روی سری زمانی باقیمانده، روند محاسبه شده است. روند دی‌اکسید نیتروژن برای اصفهان برابر 10¹⁴ 62/1 مولکول بر سانتی‌متر مربع در هر سال بدست آمد که در سطح اطمینان 95 درصد معنی‌دار است.

در سالیان اخیر، مطالعه فنولوژی محصولات زراعی با استفاده از داده های ماهواره ای گسترش فراوانی یافته است. امروزه داده های سنجنده OLI از ماهواره لندست 8  با تفکیک مکانی 30 متر،  تشخیص مراحل فنولوژی گیاهان را در مقیاس محلی فراهم کرده است. در این پژوهش، از شاخص های سنجش از دور NDVI، EVI، Greenness و Brightness  حاصل از سنجنده OLI و شاخص GCC حاصل از تصاویر دوربین دیجیتال، برای برآورد مراحل فنولوژی گیاه کلزا و از فیلتر ساویتزکی- گولی برای برطرف کردن داده های پرت و تولید منحنی های هموار سری های زمانی شاخص های گیاهی استفاده شد. نتایج نشان داد که منحنی های حاصل از شاخص های NDVI, EVI, GCC هر چهار مرحله فنولوژی سنجش از دور( سبزینگی، رکود، بلوغ و پیری) را به خوبی نمایش می دهند اما شاخص Greenness، مرحله رکود را به خوبی نمایش نمی دهد. منحنی حاصل از شاخص Brightness رفتاری عکس با دیگر منحنی ها از خود نشان می دهد. بر اساس آزمون همبستگی پیرسون داده های شاخص GCC با داده های شاخص NDVI و Brightness همبستگی دارند. برای برآورد شروع فصل و پایان فصل از روش های آستانه نسبی، نرخ تغییر و مشتق اول استفاده شد و نتایج نشان داد که روش مشتق اول و آستانه نسبی به ترتیب با میانگین اختلاف 18 و 19 روز در برآورد شروع فصل و روش نرخ تغییر با میانگین اختلاف 8 روز در برآورد پایان فصل بهترین عملکرد را دارند. همچنین شاخص Brightness با میانگین اختلاف 16 روز و شاخص EVI با میانگین اختلاف 7 روز به ترتیب در برآورد شروع فصل و پایان فصل بهترین عملکرد را دارند. 

بیابان‌زایی یک تهدید جدی زیست محیطی و اقتصادی-اجتماعی برای کره خاکی است. هدف از این مطالعه، پایش پوشش گیاهی و کاربری اراضی به منظور بررسی بیابان‌زایی دشت سروستان به عنوان دشتی ممنوعه در استان فارس است. بدین منظور از تصاویر لندست از سنجنده TM(سال 1993)، سنجنده ⁺ETM (سال های2001 و 2008) و سنجنده OLI/TIRS(سال 2016) استفاده شد. پایش تصویر به روش تفاضل تصویر، تفاضل شاخص پوشش گیاهی و نقشه‌های کاربری اراضی انجام گردید. در نقشه تفاضل سال 1993 و 2001 و سال 1993 و 2016 پسروی 99 درصدی اراضی آبی در دهانه دریاچه مهارلو، به صورت تغییرات افزایشی در باند مادون قرمز قابل مشاهده است. نتایج حاصل از تفاضل شاخص پوشش گیاهی نشان دهنده افزایش پوشش گیاهی است که در واقع افزایش سطح اراضی کشاورزی در سال 2016 نسبت به سال2008 و 1993 است. بر اساس نتایج حاصل از طبقه بندی نظارت شده از سال 1993 تا سال 2016 سطح اراضی آبی از 11/7 هکتار به 075/0 هکتار کاهش یافته، از طرفی سطح اراضی شور از 99/143 هکتار به  83/223 هکتار افزایش و سطح اراضی کشت شده (زراعی و باغی) از 28/113 هکتار به 14/201 هکتار افزایش یافته است، که با توجه به اهمیت شاخص‌های اراضی شور و تغییر کاربری اراضی از منابع طبیعی به کشاورزی در مطالعات بیابان‌زایی می‌توان نتیجه گرفت که روند بیابان‌زایی در منطقه مورد مطالعه رو به افزایش است.

عکس­های ماهواره­ای کرونا و هکساگون باقدرت تفکیک مکانی 1.8 تا 9 متر منبع مناسبی برای پایش و ارزیابی تغییرات پدیده­های سطح زمین می­باشند. هدف این تحقیق پایش تغییرات دریاچه زریبار در بازه 2019-1969 با استفاده از داده­های ماهواره­ای کرونا، هکساگون و استر و توانایی عملکرد آنها در پایش و استخراج خط ساحلی، مرزدریاچه و پهنه­ی آبی می­باشد. در این تحقیق برای تصحیح هندسی داده­های کرونا و هکساگون از تصاویر گوگل ارث، از الگوریتم­های استخراج خطواره، ماسک باینری و قطعه­بندی شیفت­میانگین به ترتیب برای استخراج خط ساحلی و مرز دریاچه، آشکارسازی تغییرات دریاچه و استخراج و پایش پهنه­ی آبی دریاچه زریبار استفاده شد. یافته­های حاصله نشان داد که در مرحله­ی اول: تصحیح هندسی عکس­های کرونا و هکساگون با استفاده از تصاویر گوگل ارث با میزان RMSE 0.3 و 0.4 پیکسل به دست آمد. در مرحله‌ی دوم، الگوریتم استخراج خطواره برای استخراج مرز دریاچه و خط ساحلی با استفاده از عکس­های کرونا و هکساگون از دقت بالایی برخوردار بوده و با نقشه­ی توپوگرافی 50000/1 همبستگی بالایی دارد. در مرحله­ی سوم، روش طبقه­بندی نظارت‌نشده ماسک باینری به‌منظور آشکارسازی تغییرات دریاچه با استفاده از عکس­های کرونا و هکساگون به‌صورت قابل قبولی پیکسل­های تغییریافته و تغییرنیافته را شناسایی کرده، به‌طوری‌که 11 هکتار سطح دریاچه بیشترین تغییرات را داشته است. نهایتاً در مرحله­ی چهارم مشخص شد که الگوریتم قطعه­بندی شیفت میانگین و حد آستانه با اعمال بر روی‌داده‌های کرونا، هکساگون و استر جهت استخراج پهنه­ی آبی موفقیت‌آمیز و در این میان عکس کرونا به علت قدرت تفکیک بالاتر بهتر عمل کرده است. نتایج فوق نشان داد که دریاچه­ی زریبار از سال 1969 تا سال 2019 با کاهش 6.5% مواجه بوده و یافته­های حاصله همبستگی بالایی با محصول پهنه­ی آبی استر دارد. به‌طورکلی یافته­های این پژوهش پتانسیل استفاده از روش­های پردازش تصویر رقومی برای داده‌های کرونا و هکساگون به‌منظور پایش و آشکارسازی تغییرات دریاچه‌ها را نشان می­دهد.

هدف پژوهش حاضر بررسی دمای سطح زمین در ارتباط با کاربری اراضی برای شهر تبریز با استفاده از تکنولوژی سنجش از دور و سیستم اطلاعات جغرافیایی می‌باشد. از تصاویر ماهواره لندست 8 به منظور تهیه نقشه دمای سطح زمین برای منطقه مورد مطالعه استفاده شد. تصحیح اتمسفری با استفاده از روش فلش بر روی تصویر مورد نظر اعمال و دمای سطح زمین با استفاده از الگوریتم پنجره مجزاء برای منطقه مورد مطالعه با دقت 51/1 درجه محاسبه شد. نقشه کاربری اراضی شهر تبریز در 6 کلاس با استفاده از روش شی گراء در نرم افزار اکوقونیشن با دقت 03/90 بدست آمد. نتایج حاصل از بررسی ارتباط بین دمای سطح زمین و کاربری اراضی بیانگر آن است که اراضی کشاورزی با دمای 22/18 درجه سانتی گراد، بالاترین دمای سطح زمین را دارا می­باشند. همچنین نواحی آبی (رودخانه­ای) به دلیل این که توان تشعشعی نزدیک به یک دارند کمترین دمای سطح زمین یعنی معادل 30/10 درجه سانتی گراد را به خود اختصاص داده­اند. نتایج تحقیق همچنین نشان دهنده­ی این مهم است که الگوریتم پنجره مجزاء نتایج قابل اعتمادی را در برآورد دمای سطح زمین ارائه می­دهد که می­تواند در مطالعات زیست محیطی و علوم زمین مورد استفاده قرار گیرد.           

---

طبقه­بندی پوششی تالاب­ها به منظور شناسایی نوع گونه­های گیاهی داخل تالاب و تمایز آن با پوشش گیاهی حاشیه­ی تالاب و بررسی تغییرات اکوسیستم آنها از اهمیت ویژه­ای برخوردار است. با توجه به مشابهت طیفی بین گونه­های مختلف گیاهی تالاب و گیاهان حاشیه­ی تالاب و زمین­های کشاورزی این امر با استفاده از داده­های چندطیفی با مشکلاتی مواجه است و داده­های ابرطیفی می­تواند در این زمینه بسیار سودمند باشد. در این مطالعه توان سنجنده‌های ابرطیفی و چندطیفی در شناسایی ویژگی‌های تالاب و توانایی سنجنده‌های  ETM+(۲۰۱۱)، Hyperion(۲۰۱۱) و ALI(۲۰۱۱) به منظور مطالعه­ی ویژگی‌های تالاب شادگان طی سال ۱۳۹۰ بررسی شد و شاخص­های مختلف طیفی به همراه ترکیب مناسبی از باندهای تصاویر ماهواره­ای سنجنده­های مذکور به عنوان ورودی انواع روش‌های طبقه­بندی شامل روش­های حداکثر احتمال، حداقل فاصله، شبکه عصبی و ماشین بردار پشتیبان مورد مقایسه قرار گرفت. نتایج نشان داد که روش‌های ماشین بردار پشتیبان و شبکه عصبی با دارا بودن دقت طبقه­بندی بالای ۸۵ درصد در هر سه تصویر, نتایج نزدیک‌تری به واقعیت نشان می‌دهند. دقت طبقه­بندی برای هر سه تصویر برای روش ماشین بردار پشتیبان در بالاترین حد خود بود به طوریکه برای تصویر Hyperion صحت کلی برابر ۹۵.۷۳، برای ALI برابر ۸۸.۰۳ و برای ETM+ برابر با ۸۹.۳۴ است. بنابراین ویژگی‌های در نظر گرفته شده برای تالاب، در سه تصویر حاصل از الگوریتم SVM نشان داد که نمایش تمایز کاربری پوشش گیاهی حاشیه تالاب از کاربری زمین‌های کشاورزی آبی دارای ابهام بیشتری نسبت به سایر ویژگی‌های تالاب است. بررسی‌ها نشان داد که این بخش در تصاویر ALI و ETM+  نسبت به تصاویر Hyperion کمتر قابل شناسایی هستند و یا در برخی مناطق این قسمت‌ها اصلا قابل تفکیک از ارضی کشاورزی آبی نیستند، در حالیکه Hyperion به دلیل دارای بودن تعداد ۲۲۰ باند و داشتن سطح بالاتری از جزئیات طیفی, توانایی تفکیک این دو کلاس را از هم دارد.

رطوبت نسبی یکی از پارامترهای مهم اقلیمی و پدیده¬های جوی محسوب می شود. هدف مطالعه حاضر ارزیابی الگوریتم های ناحیه ای در محاسبه مقدار رطوبت نسبی با استفاده از داده های سنجش‌ازدور در استان هرمزگان است. در این راستا از محصولات (MOD05 و MOD07) جهت برآورد مقدار آب قابل بارش، دمای هوا و فشار سطح زمین و از محصول (MOD35) جهت تست ابر استفاده ‌شده که با انجام تست ابر حدود 2190 تصویر بدون ابر با درجه اطمینان 95 درصد برای پردازش، شناسایی شدند. برای ارزیابی نتایج از داده های رادیوسوند ایستگاه بندرعباس و ایستگاه‌های سینوپتیک در سطح استان استفاده شد که نتایج بیانگر دقت بالای الگوریتم ها و مدل تجربی بکار برده ‌شده است؛ به‌طوری‌که مقدار R2 و RMSE لایه‌های ثبت‌شده از سنجنده و داده های زمینی، قابل‌قبول بودند و هم‌خوانی مناسبی با اندازه گیری های ایستگاه های زمینی دارند. نتایج این پژوهش بیانگر این است که اقلیم استان یک در حالت نیمه بیابانی قرار دارد که داری یک‌فصل طولانی گرم و یک فصل کوتاه خنک است. فشار سطح زمین و مقدار آب قابل بارش TPW در این استان با توپوگرافی منطقه همبستگی بالای دارند. به طوری که بیشترین آب قابل بارش و فشار سطح زمین در مناطق پست جلگه ای ساحلی و کمترین آن ها در ارتفاعات استان ثبت شده است.

استفاده از تصاویر ماهواره‌ای لندست در محدوده‌های وسیع، امکان پوشش هم‌زمان کل منطقه را فراهم نمی‌کند. این مسئله زمانی که ارزیابی پوشش‌های گیاهی هم‌زمان و یا بررسی تغییرات پدیده‌های کوتاه‌مدت در یک منطقه وسیع مد نظر باشد، مطالعات را با چالش مواجه می‌سازد. ادغام داده‌های تصاویر ماهواره‌ای لندست با قدرت تفکیک‌پذیری مکانی مناسب، با اطلاعات تصاویر ماهواره‌ای مادیس با قدرت تفکیک‌پذیری زمانی مناسب، می‌تواند راه‌حلی برای پیوند بین داده‌های با وضوح زمانی و مکانی مناسب باشد. هدف از این تحقیق ارزیابی الگوریتم‌های مختلف ادغام تصاویر در تهیه نقشه شاخص پوشش گیاهی (NDVI) می‌باشد. بدین منظور از شش الگوریتم تلفیق، شامل NNDiffuse (انتشار نزدیک‌ترین همسایه)، PC (مؤلفه‌های اصلی)،Brovey،  CN(رنگ نرمال شده)، Gram-Schmidt و SFIM (مدل مبتنی بر فیلتر هموارسازی) در یک محدوده آزمایشی در استان خوزستان استفاده شد. پس از ارزیابی نتایج الگوریتم‌ها و انتخاب مناسب‌ترین الگوریتم تلفیق، بر اساس محاسبه میزان خطاهای آماری و ارزیابی معیارهای طیفی (ضریب همبستگی) و مکانی (فیلتر لاپلاسین)، اطلاعات طیفی و مکانی بازتاب باندهای قرمز و مادون‌قرمز نزدیک هشت تصویر موزائیک شده لندست-8 (30 متر) با باندهای قرمز و مادون‌قرمز نزدیک یک تصویر مادیس (250 متر) تلفیق گردید. جهت بررسی پوشش‌های گیاهی، با تصویر ماهواره‌ای تلفیق شده، شاخص پوشش گیاهی (NDVI)، در محدوده استان خوزستان تهیه گردید. نتایج به دست آمده نشان داد که الگوریتم NNDiffuse از دقت مطلوب‌تری جهت ادغام باندهای قرمز و مادون‌قرمز نزدیک لندست 8 و مادیس برخوردار است، به‌طوری‌که شاخص گیاهی NDVI به دست آمده از این الگوریتم در مقایسه با تصویر لندست- 8 اصلی، از کم‌ترین خطای آماری (1234/0) RMSE و (081/0)MAE برخوردار است.